• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.1098-1103
• /
• 2020

본 논문은 리튬 이온 이차 전지의 전기적 실험 및 전기화학적 모델링을 통한 배터리 수명 상태(SOH)의 추정 방법을 다룬다. 배터리 전기적 노화 실험을 통하여 실제 배터리 수명 상태를 확인하기 위하여 전류 적산법을 사용한다. 전기적 실험에서 도출한 내부저항 값을 사용하여 SOH를 추정하며, 전기화학 모델링에서 사이클 수의 증가에 따른 SEI Layer의 변화를 통해 SOH를 추정한다. 실제 배터리 수명 상태를 포함한 세 가지 방법의 SOH 추정 방법에 가중치를 적용하여 새로운 SOH를 도출하며, 이는 전류적산법을 사용하여 구한 실제 값과의 오차를 줄여주어 추정 성능을 높인다.

• 전력전자학회논문지
• /
• 제26권4호
• /
• pp.241-248
• /
• 2021

A battery state-of-health (SOH) estimation algorithm using a machine learning-based linear regression method is proposed for estimating battery aging. The proposed algorithm analyzes the change trend of the open-circuit voltage (OCV) curve, which is a parameter related to SOH. At this time, a section with high linearity of the SOH and OCV curves is selected and used for SOH estimation. The SOH of the aged battery is estimated according to the selected interval using a machine learning-based linear regression method. The performance of the proposed battery SOH estimation algorithm is verified through experiments and simulations using battery packs for electric vehicles.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 전력전자학술대회
• /
• pp.464-465
• /
• 2018

트램 및 전기자동차와 같은 운송 시스템에 들어가는 배터리팩은 지속적인 진동을 받게 되고 이러한 진동은 SOH(State of Health)를 감소시킨다. 뿐만 아니라 진동으로 인해 배터리팩 내부 셀들 간의 SOH가 불균일해지는 문제점이 있다. SOH의 불균형은 배터리의 수명을 단축시킨다. 본 논문에서는 각 셀 간의 SOH 균형을 위한 Thermal Balancing 기법을 제시한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 전력전자학술대회
• /
• pp.246-248
• /
• 2018

본 논문에서는 배터리 수명의 지표인 SOH(state of health) 추정 시 배터리 노화에 따라 방전 용량의 급격한 변화가 발생하면 SOH도 변화하게 된다. 이로 인해 잘못된 SOH의 정보를 가지고 오게 되며 배터리의 안정성 및 신뢰성에 문제가 된다. 본 논문에서는 방전 용량과 내부 저항의 선형적 관계를 확인하고, 방전 용량과 내부저항을 고려한 단순선형회귀모형(simple linear regression model)을 모델링하였다. 방전 용량의 급격한 변화나 오프라인 기반 방전 용량을 측정함에 어려움이 있는 경우 단순선형회귀모형에 따라 방전 용량을 추정하여 SOH를 보정하는 기법을 제안하고 이에 대한 검증을 수행하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.79-81
• /
• 2019

전기자동차(EV)뿐만 아니라 ESS(Energy Storage System) 등의 사용량이 증가하면서 리튬이온배터리의 중요성은 점점 커지고 있다. 리튬 이온 배터리의 정확한 상태를 추정하는 것은 배터리의 안전하고 신뢰성 있는 작동을 위해 매우 중요하다. 본 논문에서는 AEKF(Adaptive Extended Kalman Filter)를 이용한 배터리 파라미터와 충전상태(SOC, State of Charge)를 추정하고, 이를 활용하여 배터리의 건강상태(SOH, State of Health)를 추정하는 간단한 알고리즘을 제시한다. AEKF에 파라미터 값을 적용하여 SOC를 추정하고, 추정된 SOC값과 전류 적산을 이용하여 SOH를 추정한다. SOC 오차에 따른 SOH 추정 값의 편차는 SOC 연산 간격을 늘리고 가중치 필터를 적용하여 최소화시킴으로써 결과의 정확성을 향상했다. 다양한 자동차의 표준 주행 패턴을 적용한 실험을 통해 제안된 방법을 이용하여 얻어진 SOH 추정 결과는 RMSE(Root Mean Square Error) 1.428% 이내임을 검증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.53-55
• /
• 2019

리튬 이온 배터리가 소형 모바일 기기, 전기 자동차, 에너지 저장장치 등에 상용화됨에 따라서 이의 충전 상태(SOC) 추정 및 셀, 모듈의 건전성(SOH)의 예측이 배터리 사용 기기의 관리 지표로 사용되고 있다. 리튬 이온 배터리는 여러 차례의 방전으로 노화되어 기기의 요구 부하를 공급가능한지 지표로 평가되어야 한다. 정확한 SOH 추정을 위해 리튬 이온 배터리의 방전 용량 실험이 주기적으로 진행되어야 하며, 이를 통해 오프라인 기반의 SOH 추정이 가능해진다. 본 논문에서는 베이지안 회귀분석 방법을 이용하여 오프라인 SOH 추정을 진행하기 위해 방전 용량을 추정하였으며, 고출력 배터리인 18650 25R셀을 이용하여 방전 용량 추정 결과 방전 전류 1 C-rate에서 1%, 2 C-rate에서 2%의 추정 오차율을 나타냈다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.727-730
• /
• 2023

전세계적으로 온실가스 및 미세먼지 저감을 위한 탄소중립 정책에 따라 전기차보급이 확대될 전망이다. 전기자동창의 운용은 열악한 환경에서 사용되고 충전과 방전 등을 거듭할수록 에너지밀도가 낮아지고 내부분리막의 손상등의 이유로 건전성이 떨어짐에 따라 차량의 주행거리가 줄고, 충전 속도가 느려지는 이유로 대략 5~10년 정도 사용한 배터리들은 폐배터리로 분류하며 이 같은 이유로 배터리 화재 및 폭발 등의 위험성이 높아 지게 됩에 따라 배터리의 진단 및 SOH의 추정이 필수적이라 할 수 있다. 배터리 SOH추정은 매우 중요한 요소로 현재는 배터리 충방전을 반복하면서 소요되는 시간, 온도, 전압을 측정하여 배터리의 상태를 평가하는데 정확도가 낮다. 불안정한 폐배터리를 다수의 반복적 충전과 방전을 통해 진단하는 과정에서 화재 및 폭발의 취약점을 보완하여 신뢰성이 높은 폐배터리의 상태데이터를 취득할 수 있는 기반을 마련하고 본 논문에서는 리튬이온 배터리의 SOH예측을 위해 테슬라 폐배터리를 이용한 방전 용량 측정을 바탕으로 획득한 데이터를 서포트 벡터 머신 기반으로 예측하고자 하였다.

• 전력전자학회논문지
• /
• 제11권6호
• /
• pp.558-562
• /
• 2006

현대사회에서 축전지라 불리우는 2차 전지는 그 용도가 중요하지만, 비선형적이고 다양한 파라메타에 따른 복잡한 특성 때문에 그 사용법에 있어서 발전에 제한을 받아왔다. 각 축전지 셀의 건강상태(SOH)를 실시간으로 정확히 파악하는 것은 장비의 안정된 운전과 원활한 관리를 위하여 필수적이다. 본 논문에서는 축전지의 내부컨덕턴스를 측정하는 간접적인 방법에 의하여 장비의 운전이나 축전지의 수명에 영향을 주지 않고 납축전지의 건강상태(SOH)를 실시간으로 진단하는 방법을 제시하고, 실제로 120개의 납축전지에 대한 컨덕턴스 자료에 의하여 건강상태를 진단하고 교체시기를 판단한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.210-211
• /
• 2019

배터리의 안정적인 운영과 관리를 위해서 배터리의 SOH 예측은 매우 중요한 과제이다. 본 논문에서는 배터리 팩의 SOH를 예측하기 위한 ARIMA-Kalman 기반의 최적화된 하이브리드 방법을 소개한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.56-58
• /
• 2019

배터리의 효율적인 관리와 안정적인 운영을 위해서는 배터리의 노화에 따른 배터리의 모니터링이 필요하다. 하지만 모델 기반의 SOH 예측 모델의 경우 파라미터의 변화에 대한 정확한 정보가 반영되지 않을 경우 심각한 오류를 야기 할 수 있다. 따라서 본 논문에서는 비 모델인 시계열 예측 기법 ARIMA 모델을 제안하고 전기적 특성 실험을 통한 내부 파라미터에 대한 분석과 파라미터에 대한 상관분석, 이를 통한 SOH 예측을 통해 ARIMA 모델의 특성 및 정확성에 대해 제안한다.